软件简介
Mplus 是一款专业的统计建模与潜变量分析软件，主要用于结构方程模型（SEM）、验证性因子分析（CFA）、潜变量建模、多层次统计分析、纵向数据分析及复杂统计模型估计等领域。软件广泛应用于心理学、教育学、社会学、管理学、经济学、公共卫生、医学研究、行为科学及高校科研等领域，是开展复杂数据分析、潜在变量研究、因果关系模型检验和学术论文统计建模的常用工具。
Mplus 具备强大的结构方程模型分析、潜变量估计与统计推断能力，支持路径分析、验证性因子分析、探索性因子分析（EFA）、中介效应分析、调节效应分析及多组结构方程模型等多种统计方法。软件能够同时处理观测变量与潜在变量之间的复杂关系，并通过模型拟合指标、参数估计、标准误及显著性检验等结果评价理论模型的合理性。软件提供最大似然估计（ML）、稳健最大似然估计（MLR）、加权最小二乘估计（WLSMV）及贝叶斯估计等多种参数估计方法，适用于连续变量、分类变量、有序变量及不同分布类型的数据分析。
Mplus 提供完善的潜类别分析、潜剖面分析与混合模型建模功能，支持潜类别分析（LCA）、潜剖面分析（LPA）、增长混合模型（GMM）及潜在转变分析（LTA）等统计方法，可根据样本在多个观测指标上的响应特征识别潜在群体或类别。软件能够通过类别概率、模型参数及信息准则等指标辅助研究人员比较不同类别模型，并分析不同潜在群体之间的特征差异。同时，Mplus 支持潜在增长曲线模型（LGCM）、交叉滞后面板模型（CLPM）及随机截距交叉滞后面板模型（RI-CLPM）等纵向分析方法，适用于研究个体发展轨迹、变量动态关系及长期变化趋势。
Mplus 还具备丰富的多层次建模、复杂抽样数据分析与高级统计分析功能，支持多层线性模型、多层结构方程模型、多组比较、测量等值性检验、缺失数据处理及复杂抽样设计分析。软件能够通过全信息最大似然估计（FIML）等方法处理符合相应假设的缺失数据，并支持 Bootstrap 自助抽样、蒙特卡洛模拟及模型参数约束等功能，帮助研究人员开展间接效应检验、统计功效评估及复杂模型验证。此外，软件提供模型拟合指标、参数估计结果、标准化系数及模型修正信息等输出内容，方便进行模型诊断与研究结果解释。
